Як дізнатися нейронні мережі?

Я студент-першокурсник (згадавши це, щоб ви могли пробачити мою незнайомість), який зараз займається дослідженнями за допомогою нейронних мереж. Я зашифрував тривузлову нейронну мережу (яка працює) на основі вказівок мого професора. Однак я хотів би продовжити кар'єру в галузі AI та Data Science, і я хотів би навчити себе більше про це належним чином. Чи є книги чи ресурси, які навчать мене більше про структури нейронної мережі, глибоке навчання тощо. Чи є якісь рекомендації?

Примітка. Я досвідчений у Java, Python, Bash, JavaScript, Matlab та знаю трохи C ++.

У мене є магістр з інформатики, і моя теза стосувалася прогнозування часових рядів за допомогою нейронних мереж.

Книга « Руки щодо машинного навчання з Scikit і Tensorflow» була надзвичайно корисною з практичної точки зору. Це дійсно викладає речі дуже чітко, без особливої ​​теорії та математики. Я настійно рекомендую.

З іншого боку, книга Яна Гудфелло також є обов'язковою (вид Біблії DL). Там ви знайдете теоретичні пояснення, а також це дасть вам набагато більше знань щодо глибокого навчання та скромного початку галузі.

Іншим, як підказали інші, є, звичайно, глибоке навчання з Python by Chollet. Я поталанила читати цю книгу. Дійсно, це було дуже добре написано, і знову ж таки, воно вчить вам хитрощів та понять, які ви навряд чи зрозумієте з навчальних посібників та курсів в Інтернеті.

Крім того, я бачу, що ви знайомі з Matlab, тому, можливо, ви взяли кілька класів статистики / ймовірності, інакше все це вас трохи переповнить.

Якщо ви хочете гарного і міцного початку глибокого навчання, я б радив почати з відповідної книги «Глибоке навчання» Іана Гудфеллоу та ін. Після цього у вас буде хороша база, яку ви можете витратити, використовуючи безліч різних навчальних посібників, статей та курсів, доступних в Інтернеті.

Однак я також хотів би додати, що перед цим ви повинні пройти базовий клас «машинного навчання» (він повинен бути доступний у вашому університеті). Багато людей сьогодні прямують до глибокого вивчення та впровадження нейронних мереж, оскільки це порівняно легко, але, ніж їм, не вистачає розуміння для того, щоб покращити його або використати його для повного потенціалу.

Як і інші запропоновані - це дуже хороші ресурси. Якщо ви хочете глибоких знань, я б запропонував курс Ендрю Нґ з курсу. Він охоплює глибокі знання основ МЗ, і якщо вас бентежить, чи починаєте ви з ІІ, МЛ чи глибокого навчання, ви можете перейти за посиланням на блозі в моєму профілі. Нещодавно я опублікував, як рухатись із цими технологіями .

PS: Я не рекламую тут свій блог. Я просто допомагаю. Якщо ви хочете слідувати, ви можете слідувати інакше, просто йдіть з Andrew Ng

Я пропоную почати з Crash Course від Google на ML, якщо ви хочете переглянути основи. Потім я пропоную слідувати fast.ai ML і ігрова DL уроки . Для читання я пропоную вступ до машинного навчання від Алекса Смоли та SVN Vishwanathan. Гарного дня!

Я настійно пропоную вам прочитати цю чудову книгу: практичне навчання машинам із Scikit та Tensorflow. Нейронні мережі представлені лаконічно у розділах 9 та 10. Існує маса прикладів для практики. Щоб ефективно зрозуміти сценарій прикладів, ви повинні мати тло програмування Python. Гарного дня!

Глибоке навчання з Python Франсуа Шолле - це чудове введення на глибоке навчання автора Кераса на високому рівні.

Щоб додати до вищезазначених посилань (поглиблена книга Goodfellow та ін. Є необхідною, якщо ви хочете заглибитись у цю тему), відмінна практична книга зануриться у глибоке навчання, що дає сучасний підхід (комп’ютерне бачення , NLP) з використанням API глюона (рамка mxnet, див. Також прямий допінг ). Я також дуже рекомендую ресурси в програмному забезпеченні pytorch ( навчальні посібники ).

Існує багато хороших веб-сайтів для самонавчання. Наведемо 2 приклади:

https://machinelearningmastery.com/start-here/#deeplearning

https://www.analyticsvidhya.com/blog/2018/10/introduction-neural-networks-deep-learning/

Вони особливо корисні для практичних аспектів, можливо, для теоретичних підстав.